Anda di halaman 1dari 42

METODE SIMPLEKS

Nama Nadia Wulandari Rizza Fahriza Ivan Ade Atma Syaiful Rizal Syahyuni Alvian Donny Sugandie Oka Febry Frayogi Andy Antonius Nahak Marin

NIM DBC 110 007 DBC 110 120 DBC 110 094 DBC 109 096 DBC 109 076 DBC 110 085 DBC 110 106 DBC 110 128 DBC 110 102

JURUSAN/PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK

UNIVERSITAS PALANGKA RAYA 2013

METODE SIMPLEKS
Dilakukan jika metode grafik tidak bisa dipakai (variabel keputusan 2) Metode Simpleks : 1. Simpleks Primal 2. Simpleks Dual Bentuk Linear Programming baku (standar) : * Semua kendala adalah persamaan ( sisi kanan 0 ) * Semua variabel non-negatif * Fungsi tujuan berupa maksimisasi / minimisasi Kendala (Constraints) 1. Kendala jenis diubah menjadi = dengan menambahkan Variabel Slack di sisi kiri. Kendala jenis diubah menjadi = dengan mengurangkan Variabel Surplus di sisi kiri. Contoh : Kendala X1 + X2 15 Kendala 2 X1 + X2 15 -> X1 + X2 + S1 = 15 dengan S1 0 2 X1 + X2 - S2 = 15 dengan S2 0

(S1 adalah sumber daya yang berlebih) ->

(S2 adalah sumber daya yang langka) 2. Sisi kanan harus dibuat non-negatif Contoh : -5 X1 + X2 = -25 diubah menjadi 5 X1 - X2 = 25

3. Arah pertidaksamaan dibalik jika kedua sisi dikalikan -1

Contoh : -5 X1 + X2 -25 diubah menjadi 5 X1 - X2 25

Variabel Variabel unrestricted (tidak dibatasi) jika bernilai negatif / positif Misal Xj adalah variabel unrestricted, maka Xj = Xj - Xj Xj , Xj 0 Hanya satu (Xj atau Xj) saja yang bernilai positif Fungsi Tujuan Maksimisasi fungsi = Minimisasi negatif fungsi itu. Contoh : Maks. Z = 5X1 + 2X2 + 3X3 = Min. (-Z) = -5X1 - 2X2 - 3X3

Contoh Soal : Ubah dalam bentuk Standar : Min. Z = 2X1 + 3X2 Kendala : X 1 + X2 = 10 -2 X1 + 3 X2 -5 7 X 1 - 4 X2 6 X1 (Unrestricted) X2 0 Jawab : Min. Z = 2 X1 - 2 X1 + 3 X2 + 0 S2 + 0 S3 Kendala : X1 - X1 + X2 = 10 2 X1 - 2 X1 - 3 X2 - S2 = 5 -2 X1 + 2 X1 + 3 X2 + S2 = -5 -> 7 X1 - 7 X1 - 4 X2 + S3 = 6 X1 , X1 , X2 , S2 , S3 0

Solusi Dasar Jika ada model Linear Programmingdengan m persamaan (kendala) dan n variabel keputusan, maka solusi dasar -> n - m = 0 Sisanya dipecahkan sehingga mendapat solusi layak dan unik. n - m variabel yang dibuat nol disebut variabel non-basis n variabel sisanya disebut variabel basis

Contoh :

2X1 + m=2 n= 4

X2 + 4X3 + X4 = 2

X1 + 2 X2 + 2X3 + X4 = 3

n m = 2 -> Variabel non-basis Sisa = 2 -> Variabel basis X2 = 2 {hasil non-negatif = Pilih 2 variabel yang dibuat nol, misal X3 = 0, X4 = 0 Maka 2X1 + X1 + 2 X 2 = 3 Dengan eliminasi dihasilkan X1 = 1/3 dan X2 = 4/3 layak} Solusi dasar X1 = 1/3 , X2 = 4/3 , X3 = 0 , X4 = 0 X1 dan X2 adalah var. Basis X3 dan X4 adalah var non-basis.

METODE SIMPLEKS PRIMAL


Variabel masuk adalah variabel non-basis yang masuk ke himpunan variabel dasar pada iterasi berikutnya. Variabel keluar adalah variabel basis yang keluar dari solusi basis pada iterasi berikutnya.

Dua kondisi Simpleks Primal: 1. Kondisi Optimal Variabel : 2. Kondisi : masuk dalam maksimisasi (minimisasi) adalah variabel non-basis dengan koefisien paling negatif (positif) dalam persamaan fungsi tujuan (Z). Layak Variabel keluar adalah variabel basis yang mempunyai titik potong terkecil (rasio minmum dengan penyebut positif).

Langkah-langkah iterasi Simpleks Primal : 1. 2. 3. 4. 5. Dengan bentuk standar, tentukan solusi dasar awal yang layak. Pilih variabel masuk diantara variabel non-basis dengan menggunakan kondisi optimal. pilh variabel keluar dari variabel basis dengan menggunakan kondisi layak. Tentukan nilai variabel basis yang baru dengan membuat variabel masuk tersebut sebagai variabel basis dan variabel keluar sebagai variabel non-basis. Kembali ke langkah 1.

Contoh : Sebuah perusahaan meubel memproduksi meja dan kursi menggunakan papan, kayu, dan waktu pengerjaan. Setiap meja membutuhkan 5 unit papan, 2 unit kayu, dan 4 jam pengerjaan. Setiap kursi membutuhkan 2 unit papan, 3 unit kayu, dan 2 jam pengerjaan. Perusahaan dapat keuntungan $12 untuk meja dan $8 untuk kursi. Tersedia 150 unit papan, 100 unit Kayu, dan 80 jam pengerjaan. Berapa banyak produk agar keuntungan maksimum? Jawab : - Variabel Keputusan - Fungsi Tujuan - Kendala Formulasi Model : Maks. Z = 12 X1 + 8 X2 Kendala : 5 X1 + 2 X2 150 2 X1 + 3 X2 100 4 X1 + 2 X2 80 X1 , X 2 0 Bentuk standard : X1 = meja, dan X2 = kursi : Maks. Z = 12 X1 + 8 X2 : papan, kayu, dan waktu

Maks. Z = 12 X1 + 8 X2 + 0.S1 + 0.S2 + 0.S3 Kendala : 5 X1 + 2 X2 + S1 = 150 2 X1 + 3 X2 + S2 = 100 4 X1 + 2 X2 + S3 = 80 X1 , X 2 , S1 , S2 , S3 0 Tabel Simpleks Basis (Dasar) Z S1 S2 S3 Z 1 0 0 0 X1 -12 5 2 4
non basis

X2 -8 2 3 2
Var msk

S1 0 1 0 0

S2 0 0 1 0

S3 0 0 0 1

Solusi 0 150 100 80 Pers Pers Pers Pers Z S1 S2 S3

Basis (Dasar) Z S1 S2 S3

Z 1 0 0 0

X1 -12 5 2 4

X2 -8 2 3 2

S1 0 1 0 0

S2 0 0 1 0

S3 0 0 0 1

Solusi 0 150 100 80

Rasio

150/5 30 100/2 =50 80/4 20

Pers Pivot (Var Keluar)

elemen pivot

Aturan metode Gauss Jordan : 1. Pers. Pivot Pers. Pivot baru = pers. pivot lama : elemen pivot 2. Pers. Lain Pers. Baru = pers. Lama ( koef kolom var masuk * pers. Pivot baru )

Maka : S3 X1 = ( 0 4 2 0 0 1 80 ) / 4 = ( 0 1 0 0 20 )

S2 baru

= ( 0 2 3 0 1 0 100 ) - 2 ( 0 1 0 0 20 ) = ( 0 2 3 0 1 0 100 ) - ( 0 2 1 0 0 40 ) = ( 0 0 2

0 1 - 60 ) S1 baru
5

= ( 0 5 2 1 0 0 150 ) - 5 ( 0 1 0 0 20 ) = (0 5 2 1 0 0 150 ) - ( 0 5
5

/2

/4

100 ) = ( 0

- 1 0 - /4 50 ) Z baru = ( 1 -12 -8 0 0 0 0 ) - (-12) ( 0 1 0 0 20 ) = ( 1 -12 -8 0 0 0 0 ) - ( 0 -12 6 0 0 -3 -240 ) = ( 1 0 -2 0 0 3 240 )


Var msk

Basis (Dasar) Z S1 S2 X1

Z 1 0 0 0

X1 0 0 0 1

X2 -2 - 2

S1 0 1 0 0

S2 0 0 1 0

S3 3 -5/4 -

Solusi 240 50 60 20

Rasio

50/(-)

-100 60/2 = 30 20/() = 40

Pers Pivot (Var Keluar)

elemen pivot

S2

X2 = ( 0 0 2 0 1 - 60 ) / 2 = ( 0 0 1 0 - 30 )

X1 baru 0 0 - S1 baru
3

= ( 0 1 0 0 200 ) - ( 0 0 1 0 - 30 ) = (0 /8 5 ) = ( 0 0 - 1 0 -5/4 50 ) - (- )( 0 0 1 0 - 30 ) = ( 0 0 - 1 0 - 5/4 50 ) - ( 0 0 - 0 -


1

200 ) - ( 0

-1/8 15 ) = ( 0

/8 -15 ) = ( 0 0 0

1 - /8 65 ) Z baru = ( 1 0 -2 0 0 3 240 ) - (-2 )( 0 0 1 0 - 30 )

11

= ( 1 0 -2 0 0 3 240 ) - ( 0 0 -2 0 -1 0 0 1
5

-60 ) = ( 1 0

/2 300 )

Tabel Akhir Basis (Dasar) Z S1 X2 X1 Z 1 0 0 0 X1 0 0 0 1 X2 0 0 1 0 S1 0 1 0 0 S2 1 S3


5

Solusi 300 65 30 5

/2 -11/8 - 3 /8

Kesimpulan : X1 = 5 X2 = 30 S1 = 65

( banyak meja ) ( banyak kursi ) ( unit papan / pers. Kendala 1 yg berlebih )

Z = 300 ( keuntungan maks )


Bukti Fungsi tujuan

Z = 12 X1 + 8 X2 = 12 ( 5 ) + 8 ( 30 ) = 60 + 240 = 300

Papan

5 X1 + 2 X2 150 5 ( 5 ) + 2 ( 30 ) = 25 + 60 = 85 150 - 85 =

65 ( sisa ) Kayu 2 X1 + 3 X2 100 2 ( 5 ) + 3 ( 30 ) = 10 + 90 = 100 Waktu 4 X1 + 2 X2 80 4 ( 5 ) + 2 ( 30 ) = 20 + 60 = 80

METODE SIMPLEKS PRIMAL DENGAN VARIABEL BUATAN (ARTIFICIAL)

1. TEKNIK M ( METODE PENALTY ) 2. TEKNIK DUA FASE

Kendala tidak semuanya

1. TEKNIK M
Contoh = Min Z = 4 X1 + X2 Kendala 3 X1 + X 2 = 3 4 X1 + 3 X 2 6 X1 + 2 X2 4 X1 , X 2 0 Bentuk standar Min Z = 4 X1 + X2 Kendala 3 X1 + X 2 = 3 ......... ( 1 ) ......... ( 2 ) 4 X1 + 3 X 2 - X3 = 6 X1 + 2 X2 + X4 = 4 X1 , X2 , X3 , X4 0 Karena ( 1 ) dan ( 2 ) tidak memiliki var slack , maka ditambahkan R1 dan R2 sebagai var bantuan (1) (2) 3 X1 + X 2 + R1 = 3 4 X1 + 3 X2 - X3 - R2 = 6

Pada fungsi tujuan berikan koefisien M > 0, untuk R 1 dan R2 ; sehingga : Min Z = 4 X1 + X2 + MR1 + MR2 Kendala 3 X1 + X 2 X1 + 2 X2 + R1 - R2 = 6 + X4 = 4 = 3 4 X1 + 3 X 2 - X3

X1 , X2 , X3 , R1 , R2 , X4 0

Subtitusikan R1 dan R2 ke fungsi tujuan : R 1 = 3 - 3 X 1 - X2 R2 = 6 - 4 X1 - 3 X2 + X3 Maka : Z = 4 X1 + X2 + M(3 - 3 X1 - X2) + M(6 - 4 X1 - 3 X2 + X3)

= ( 4 - 7M ) X1 + ( 1 4M ) X2 + M X3 + 9M Persamaan Z dalam tabel : Z + ( 7M - 4 ) X1 + ( 4M - 1 ) X2


-

M X3 = 9M -> Z = 9M

Solusi dasar awal ; X1 = 0, X2 = 0, X3 = 0 Sehingga X1 , X2 , X3 var non basis

Tabel Metode Big M Iterasi 0 Basi (awal) X1 s Z (paling + ) R1 Keluar ( 1 ) X2 masuk R2 keluar X1 R2 X4 Z X1 X2 X4 Z X1 X2 X3 1 0 0 0 1 0 0 0 1 0 0 R1 R2 X4 Z X1 (7M 4) 3 4 1 0 X2 (4M X3 -M 0 -1 0 -M 0 -1 0 1 /5 1 /5 -3/5 1 0 0 0 1 R1 0 1 0 0 (47M)/3 1 /3 -4/3 - /3 (8/3-M) 3 /5 -4/5 1 7 /3-M 2 /5 -1/5 1
1

R2 0 0 1 0 0 0 1 0 (-1/5-M) -1/5 3 /5 -1 -M 0 0 -1

X4 0 0 0 1 0 0 0 1 0 0 0 1 -1/5 -1/5 3 /5 1

Solusi 9M 3 6 4 4+2M 1 2 3
18 3

1) 1 3 2 (1+5M) /3 1 /3
5

3/3 = 1 6/4 4/1

1/(1/3)= 3 2/ (5/3)=6/5 8 /5 3 1

/3

( 2 ) X3 masuk X4 keluar (3) (optimu m)

/3 0 0 1 0 0 0 1 0

/3 /5 6 /5 1 17 /5 2 /5 9 /5 1

2. DUA FASE
Bertujuan untuk mengurangi kesalahan perhitungan dari pemberian nilai yg besar untuk konstanta M pada metode TEKNIK M (penalty) Contoh = Min Z = 4 X1 + X2 Kendala 3 X1 + X 2 = 3 4 X1 + 3 X 2 6 X1 + 2 X2 4 X1 , X 2 0

Tahap 1 : Bentuk dengan var buatan : R1 dan R2 Min r = R1 + R2 Kendala 3 X1 + X 2 X1 + 2 X2 + R1 - R2 = 6 + X4 = 4 = 3 4 X1 + 3 X 2 - X3

X1 , X2 , X3 , R1 , R2 , X4 0 Fungsi tujuan r = R1 + R2 = ( 3 3 X 1 - X2 Tabel Awal Basi s Z R1 R2 X4 X1 7 3 4 1 X2 4 1 3 2 X3 -1 0 -1 0 R1 0 1 0 0 R2 0 0 1 0 X4 0 0 0 1 Solusi 9 3 6 4 ) + ( 6 - 4 X1 - 3 X2 + X3 ) = -7 X1 - 4 X2 + X3 + 9

Tabel optimum : setelah 2 iterasi ( periksa ! ) Basi s r X1 X2 X4 X1 0 1 0 0 X2 0 0 1 0 X3 0 1 /5 -3/5 1 R1 -1 3 /5 -4/5 1 R2 -1 -1/5 3 /5 -1 X4 0 0 0 1 Solusi 0 3 /5 6 /5 1

Karena minimum solusi r = 0, masalah ini memiliki pemecahan ( solusi ) layak. Lanjutkan ke tahap ( Fase ) kedua. Tahap 2 Menyingkirkan variabel buatan ( R1 dan R2 ) Dari tabel optimum tahap 1 didapatkan : X1 +
1

/5X3

/5

X2 -

/5X3

= 6/5 = 1

X3 + X 4

Masalah semula ditulis : Min Z = 4 X1 + X2 Kendala X1 + X2 3 1

/5X3

= =

3 6

/5 /5

......... ( 1 ) ......... ( 2 )

/5X3

X3 + X 4

= 1

X1 , X2 , X3 , R1 , R2 , X4 0 Maka terdapat 3 persamaan dan 4 variabel sehingga solusi dasar layak didapat dg membuat X3 = 0 -> (4 3) = 1 variabel dibuat nol X1 = 3/5 ; X2 =
6

/5 ; X 4 = 1

Fungsi tujuan Z = 4 X1 + X2 = 4( Tabel Awal


Var msk
3

/5 +

/5 X3 ) + (6/5 + /5

/5X3 )

= - 1 /5 X 3 +

18

Basis Z X1 X2 X4

X1 0 1 0 0

X2 0 0 1 0

X3 1 /5 1 /5 -3/5 1

X4 0 0 0 1

Solusi 18 /5 3 /5 6 /5 1

Tabel optimum Basis Z X1 X2 X3 X1 0 1 0 0 X2 0 0 1 0 X3 0 0 0 1 X4 -1/5 -1/5 3 /5 1 Solusi 17 /5 2 /5 9 /5 1

Bandingkan dengan TEKNIK M!

METODE SIMPLEKS DUAL


Memecahkan masalah LP yg tidak memiliki pemecahan dasar layak tanpa variabel buatan. Kondisi Kelayakan : Variabel keluar adalah variabel basis yg memiliki nilai paling negatif ( jika sama tentukan sembarang ) pada kolom solusi ( jika semua var basis non negatif, selesai ) Kondisi Optimalitas : Variabel masuk adalah variabel non basis yg memiliki rasio terkecil (posistif) antara pers 2 dg koef. negatif dari pers. var. keluar ( jika penyebab (koef.var keluar) nol atau positif, maka tidak terdapat solusi layak ) Contoh = Min Z = 3 X1 + 2 X2 Kendala 3 X1 + X 2 3 4 X1 + 3 X 2 6 X1 + 2 X2 3

X1 , X 2 0 Menjadi Min Z = 3 X1 + 2 X2 -3 X1 - X2 + X3 = -3 -4 X1 - 3 X2 + X4 = -6 X1 + 2 X2 + X5 = 3 X1 , X2, X3, X4, X5 0 Solusi dasar awal X3 = -3 , X4 = -6


non basis

X5 = 3

} tdk layak

Basis Z X3 X4 X5

X1 -3 -3 -4 1

X2 -2 -1 -3 1

X3 0 1 0 0

X4 0 0 1 0

X5 0 0 0 1

Solusi 0 -3 -6 3

Var keluar
(basis)

-> X4 -> X2 = -3

-> Solusi paling negatif = -6 -> Rasio positif terkecil =


-2

Var masuk
(non basis)

/-3 = 2/3

Elemen Pivot

Persamaan pivot baru (X2 menggantikan X4) : -> ( -4 -3 0 1 -> (


4

0 -6 ) / -3 /3 0 2 )

/3

1 0

Iterasi 1
non basis

Basis Z X3 X4 X5

X1 -1/3 -5/3 4 /3 1 - /3

X2 0 0 1 0

X3 0 1 0 0

X4 -2/3 -1/3 -1/3 1 /3

X5 0 0 0 1

Solusi 4 -1 2 1

Rasio Maka

/5 : X1 X3 = - /3
5

->
= =

(-1/3) / (-5/3)

Var masuk Var keluar

Elemen pivot

Persamaan pivot baru (X1 menggantikan X3) : -> ( -5/3 0 -> ( 1 1 0 -3/5 - 1 /3
1

0 /5 0

-1 ) / (-5/3)
3

/5 )

iterasi 2 ( tabel optimal ) Basis Z X3 X4 X5 X1 0 1 0 0 X2 0 0 1 0 X3 -1/5 -3/5 4 /5 -1/5 X4 -3/5 1 /5 -3/5 2 /5 X5 0 0 0 1 Solusi 21 /5 3 /5 6 /5 6 /5

Solusi : X1 = 3/5

X2 = 6/5

Z=

21

/5

KASUS-KASUS KHUSUS METODE SIMPLEKS 1. DEGENERASI


Max Z = 3 X1 + 9 X2 Kendala X1 + 4 X 2 8 X1 + 2 X 2 4 X1 , X 2 0 Iterasi ( X2 Basis Z 0 ) X3 masuk X4 ) Z X1 -3 1 1 -3/4 X2 -9 4 2 0 X3 0 1 0
9

X4 0 0 1 0

Solusi 0 8 4 18

X3 keluar ( 1

/4

masuk X2 X4 X4 keluar ( 2 ) Z X2 optimum X1 X1

1 1

/4 /2

0 2 0 1 0

/4 -1/2
3 1

0 1
3

2 0 18 2 0

0 0 1

/2 /2 -1

/2 -1/2 2

Solusi tdk mengalami perubahan (perbaikan) pada itersai selanjutnya

2.

OPTIMUM ALTERNATIF
Max Z = 2X1 + 4X2 Kendala X1 + 2 X 2 5 X1 + X2 4

X1 , X 2 0 Iterasi ( X2 Basis Z 0 ) X3 masuk X4 X1 -2 1 1 X2 -4 2 1 X3 0 1 0 X4 0 0 1 Solusi 0 5 4

X3 keluar ( ) Basis Z X1 masuk X3 X4 keluar X4 ( 2 ) Z X2 X4 1 X1 0 1 /2 1 /2 0 0 1 X2 0 1 0 0 1 0 X3 2 1 /2 -1/2 2 1 -1 X4 0 0 1 0 -1 2 Solusi 10 5 /2 3 /2 10 1 3

optimum alternatif

Ada 2 solusi : X1 = 0 ; Atau X1 = 3 ;

X2 = 5/2 X2

Z = 10 =1

3.

PEMECAHAN TDK DIBATASI


Max Z = 2 X1 + X2 Kendala X1 - X2 10 2 X1 40

X 1 , X2 0 Basis X1 X2 X3 X4 Solusi

Z X3 X4

-2 1 2

-1 -1 0

0 1 0

0 0 1

0 10 40

Semua koefisien batasan dibawah X2 adalah negatif atau nol Sehingga X2 dapat dinaikan secara tidak terbatas tanpa melanggar batasan

DUALITAS dan ANALISA SENSITIVITAS


TEORI DUALITAS Didorong oleh pentingnya informasi tambahan yg dapat diperoleh dari tabel simpleks optimum Setiap LP terdiir atas 2 bentuk : Primal dan Dual

Contoh : Kandungan Mineral Vitamin Harga per unit Masalah -> Daging 2 3 3 Sayur 4 2 2.5 Kebutuhan Min 40 50

menentukan biaya pembelian daging dan sayuran hingga

kebutuhan minimum per hari akan mineral dan vitamin terpenuhi. Formulasi model : Min Kendala Z = 3 X1 + 2.5 X2 2 X1 + 4 X2 40 3 X1 + 2 X2 50 X1 , X 2 0 Ada masalah yang berbeda yang berhubngan dengan masalah yang pertama ( bentuk primal ).

Misalkan ada sebuah dealer yg menjual mineral dan vitamin. Masalah bagi dealer adalah menetapkan harga jual mineral dan vitamin per unit yang maksimum demikian hingga menghasilkan harga daging dan sayur tidak melebihi harga pasar. -> Untuk membuat formulasi modelnya misalkan harga daging per unit Y 1 dan sayur Y2, sehingga formulasi modelnya menjadi : Max Kendala W = 40 Y1 + 50 Y2 2 Y 1 + 3 Y2 3 4 Y1 + 2 Y2 2.5 Y1 , Y2 0 Bentuk ini dinamakan bentuk Dual , Y1 dan Y2 disebut variable dual Bila masalah primal dibandingkan dg masalah dual ada beberapa hubungan: 1. Koef fungsi tujuan primal menjadi sisi kanan dual Sisi kanan primal menjadi koef dungsi tujuan dual 2. Tanda pertidaksamaan kendala dibalik 3. Tujuan diubah dari min (max) dalam primal menjadi max (min) dalam dual 4. Kolom primal baris (kendala) dalam dual kendala dual = variabel primal 5. Baris (kendala) primal kolom dual Sehingga ada satu variabel dual kendala primal 6. Bentuk dual dari dual adalah primal A. Masalah Primal-Dual Simetrik Bentuk Umum : Primal : Max Z = C1 X1 + C2 X2 + ... + Cn Xn Kendala A11 X1 + A12 X2 + ... +A1n Xn B1 A21 X1 + A22 X2 + ... +A2n Xn B2 n Varibel m Kendala . . Am1 X1 + Am2 X2 + ... +Amn Xn Bm X1 , X2 , ... Xn 0

Dual

: Min

W = B1 Y1 + B2 Y2 + ... + Bm Ym

Kendala A11 Y1 + A12 Y2 + ... +A1m Ym C1 A21 Y1 + A22 Y2 + ... +A2m Ym C2 m Varibel n Kendala . . A1n Y1 + A2n Y2 + ... +Amn Ym Cn Y1 , Y2 , ... Ym 0

Dalam notasi matrik, masalah primal dual simetrik : Primal : Maksimumkan Dengan syarat Z = cX : Ax b

x 0 Dual : Minimumkan Dengan syarat : W = Yb yA c

y 0 Dimana A = matriks m x n b = vektor kolom m x 1 c = vektor baris 1 x n Aturan umum menuliskan bentuk dual dari LP yang simetrik : a. primal b. c. d. e. f. Vektor baris koef fungsi tujuan primal diubah menjadi vektor kolom sisi kanan dual Vektor kolom sisi kanan primal diubah menjadi vektor baris koef fungsi tujuan dual Transpose koef matriks kendala primal ke kendala dual Balik arah pertidaksamaan kendala Balik arah optimisasi ( min -> max atau sebaliknya ) Misalkan sebuah variabel dual (non negatif) untuk setiap kendala x = vektor kolom n x 1 y = vektor baris 1 x m

1. Teori I ( Weak Duality Theorem ) Misal bentuk primal dual simetrik Max Z = cX : Ax b dan Min W = Yb : yA Dengan syarat c x 0 0 Nilai fungsi tujuan masalah minimisasi (dual) untuk setiap solusi yg layak selalu masalah maksimasi (primal)nya y Dengan syarat

Bukti : Misal Xdan Y adalah vektor solusi yg layak untuk masalah primal dan dual. Harus dibuktikan bahwa Yb cX Karena X layak bagi primal dengan kendala AX b X 0 Kemudian jika pertidaksamaan kendala dikalikan dengan Y diperoleh YAX Yb .... (I)

Karena Y layak bagi dual dengan kendala YA c Y 0 Kemudian jika pertidaksamaan kendala dikalikan dengan X diperoleh YA X cX .... (II) Yb YA X cX Dari Weak Duality Theorem diperoleh hasil hasil : a. Nilai fungsi tujuan masalah maksimasi (primal) untuk setiap solusi layak adalah batas bawah dari nilai minimum fungsi tujuan masalah dual b. Nilai fungsi tujuan masalah minimisasi (dual) untuk setiap solusi layak adalah batas atas dari jilai maksimum fungsi tujuan msalah primal

Pertidaksamaan I dan II secara tidak langsung mengatakan bahwa :

c. Jika masalah primal adalah layak dan nilai tujuannya tak terbatas, maka masalah dualnya tdk memiliki suatu solusi layak, atau d. Jika masalah primal adalah layak dan tak terbatas, maka masalah primal adalah tak layak, atau e. Jika masalah dual adalah layak dan primal tak layak maka dual adalah tak terbatas.

Contoh Primal : Max Dengan syarat : Z = X1 + 2 X2 + 3 X3 + 4 X4 X1 + 2 X2 + 2 X3 + 3 X4 20 X2 + 3 X3 + 2 X4 20 X2 , X3 , X4 0

2 X1 + X1 ,

X1 = X2 = X3 = X4 = 1 adalah layak untuk primal dengan nilai fungsi tujuan Z = cX = 10 Dual : Min W = 20 Y1 + 20 Y2 : Y1 + 2 Y2 1 Y2 2 3 Y2 3 2 Y2 4 Y2 0 Dengan syarat

2 Y1 + 2 Y1 + 3 Y1 + Y1 ,

Y1 = Y2 = 1 adalah layak bagi dual dengan nilai fungsi tujuan W = Y b = 40 Ingat bahwa cX Yb berarti memenuhi Weak Duality Theorem. Berdasarkan hasil solusi layak primal, nilai minimum fungsi tujuan W tak dapat lebih kecil dari 10. berdasarkan hasil solusi layak dual, nilai maksimum fungsi tujuan primal Z tak dapat melebihi 40. 2. Teori 2 ( Optimality Criterion theorem )

Jika terdalap solusi layak X dan Y, pada bentuk primal dual simetrik demikian hingga nilai-nilai fungsi tujuan yg berhubungan adalah sama, maka solusi layak ini adalah solusi optimum terhadap masalah tersebut. Contoh : Berdasarkan contoh Teori 1. Misalkan X1 = 0 , X2 = 0 , X3 = 4 , X4 = 4

adalah suatu solusi layak yang lain terhadap masalah primal, sementara Y 1 = 1.2 , Y2 = 0.2 adalah solusi layak bagi dual. Nilai Z = W = 28 solusi ini optimum 3. Teori 3 ( Main Duality Theorem ) Jika baik masalah primal maupun dual adalah layak, maka keduanya memiliki solusi demikian hingga nilai optimum fungsi tujuannya adalah sama. 4. Teori 4 ( Complentary slackness theorem ) a. Jika suatu variabel primal X j bernilai positif, maka kendala dual yang berhubungan akan dipenuhi sebagai suatu persamaan pada keadaan optimum (variabel slack atau surplus pada kendala dual = 0) b. Jika suatu kendala primal berupa pertidaksamaan murni pada keadaan optimum (variabel slack atau surplus pada kendala primal > 0), maka variabel dual yang berhubungan Y i harus = 0 pada keadaan optimum c. Jika suatu variabel dual Y i bernilai positif, maka kendala primal yg berhubungan akan memenuhi sebagai suatu persamaan pada keadaan optimum (variabel slack atau surplus pada kendala primal = 0) B. Masalah Primal Dual Asimetrik Contoh : Max Dg syarat Z = 4 X1 + 5 X2 3 X1 + 2 X2 20 4 X1 - 3 X2 10 X1 + X2 = 5 X1 0 , X2 tak terbatas

Ubah kedalam bentuk simetri, dengan cara : 1. Kendala 2 dikalikan 2. Kendala 3 diganti dg X1 + X2 5 dan X1 + X2 5 3. Variabel tak terbatas X2 diganti dg selisih 2 variabel non negatif X 3 dan X4 Sehingga bentuk simetrisnya menjadi Max Dg syarat Z = 4 X1 + 5 X3 - 5 X4 3 X1 + 2 X 3 - 2 X 4 4 X 1 - 3 X3 + 3 X 4 X1 + - X1 X1 , Bentuk dualnya : Min Dg syarat Z = 20 U1 - 10 U2 + 5 U3 - 5 U4 3 U 1 - 4 U2 + U 3 - U 4 2 U1 + 3 U2 + U3 - U4 -2 U1 + 3 U2 - U3 + U4 U1 , U 2 , U3 , U 4 -5 0 4 5 X3 + X3 + X3 , X4 X4 X4 20 -10 5

-5 0

Bila bentuk dual dibandingkan dg bentuk primal yg belum disimetrikan maka tak ada ciri ciri hubungan primal dual yg terpenuhi. Kemudian misalkan Y1 Min Dg syarat = U1 , Y2 = -U2 , Y3 = U3 + U4 dandua pertidaksamaan terakhir diganti sebuah persamaan, hasilnya adalah : W = 20 Y1 - 10 Y2 + 5 Y3 3 Y1 + 4 Y2 + Y3 2 Y1 - 3 Y2 + Y3 = 4 5

Y1 > 0 , Y2 < 0, Y3 tak terbatas Bentuk ini memenuhi hubungan primal dual, kecuali arah pertidaksamaan kendala dan tanda pembatas variabel. Ciri ciri bentuk dual LP (simetris / tak simetris) 1. Elemen matriks kendala dual = transpose ol. Primal 2. Koef tujuan dual = sisi kanan primal 3. Sisi kanan dual = koef tujuan primal 4. Primal max dual min dan sebaliknya

Hubungan Primal - Dual Primal A elemen matriks kendala b vektor sisi kanan c koef fungsi tujuan Kendala ke-i persamaan Xj tak terbatas I. Maksimasi Kendala ke-i Kendala ke-i Xj 0 Xj 0 II. Minimasi Kendala ke-i Kendala ke-i Xj 0 Xj 0 Contoh 1. Primal : Max Dg syarat Z = X1 + 4 X2 + 3 X3 2 X1 + 3 X 2 - 5 X 3 2 3 X1 X1 + X2 + 6 X 3 1 X2 + X3 = 4 jenis jenis Dual Transpose elemen matriks Koef fungsi tujuan Vektor sisi kanan Variabel Yi tak terbatas Kendala ke-j persamaan Minimisasi Variabel dual y Variabel dual y Kendala ke-j Kendala ke-j Maksimasi Variabel dual y Variabel dual y Kendala ke-j Kendala ke-j : 0 : 0

jenis jenis

: 0 : 0

X1 0 , X2 0, X3 tak terbatas Dual : Min Dg syarat W = 2 Y1 + Y2 + 4 Y 3 Y3 1 Y3 4 Y3 = 3 2 Y1 + 3 Y2 + 3 Y1 Y2 +

-5 Y1 + 6 Y2 +

Y1 0 , Y2 0, Y3 tak terbatas 2. Primal : Min Dg syarat Z = 2 X1 + X2 - X3 X1 + X 2 - X 3 = 1 X 1 - X2 + X 3 2 X2 + X3 3 X1 0 , X2 0, X3 tak terbatas

Dual : Max Dg syarat

W =

Y1 + 2 Y2 + 3 Y3 Y2 Y2 + Y2 + 2 Y3 1

Y1 + Y1 -Y1 +

Y3 = -1

Y1 tak terbatas , Y2 0 , Y3 0 C. Mencari Solusi Optimum Bentuk Dual dg Metode Simpleks Main Duality Theorem solusi optimum dual dpt diperoleh dari solusi primal dan sebaliknya Contoh : Max Dg syarat Z = 5 X1 + 12 X2 + 4 X3 X1 + 2 X1 X1 , Tabel simpleks optimum Basis Z X1 X2 X1 0 0 1 X2 0 1 0 X3 3 /5 -1/5 7 /5 S1 29 /5 2 /5 1 /5 R1 -2/5 + M -1/5 2 /5 Solusi 28 1/5 8 /5 9 /5 2 X2 + X3 5

X2 + 3 X 3 = 2 X2 , X3 0

Ingat bahwa variabel basis awal adalah variabel slack S1 dan artificial variabel R1 Bentuk Dual Min Dg syarat W = 5 Y1 + 2 Y2 Y1 + 2 Y2 5 2 Y1 Y1 + 3 Y2 Y2 12

Y1 0 , Y2 tak terbatas Karena Y2 tak terbatas diganti Y2 Y dimana Y2 Y 0

Tabel Simpleks Optimum : Basis Y1 Y2 Y S1 S2 S3 R1 R2 R3 Solusi

Z S3 Y Y1

0 0 0 1

0 0 -1 0

0 0 1 0

-9/5 -7/5 2 /5 1 - /5

-2/5 1 /5 -1/5 -2/5

0 1 0 0

9 7

/5-M /5 -2/5 1 /5

/ -M -/ / /
5 1 5 1 5 2 5

-M -1 0 0

28 1/5 3 /5 2 /5 29 /5

Variabel basis solusi awal primal S1 dan R1 Variabel dual yg berhubungan dg pers kendala primal yg mengandung S 1 dan R1 adalah Y1 dan Y2 Variabel basis awal bentuk S1
29

R1 -2/5+M Y2

primal Koef persamaan Z pd optimum primal Variabel dual yg berhubungan

/5

Y1

Jika M diabaikan maka Y1 =

29

/5 ; Y 2 = - 2 /5

atau Y2 = Y2 Y = 0 - 2/5 = - 2/5 = bentuk dual Variabel basis awal bentuk dual R1 Koef persamaan Z pd optimum 9/5-M dual Variabel primal yg berhubungan X1 R2 8 /5-M X2 R3 0-M X3

Jika M diabaikan; X1 = 9/5 , X2 = 8/5 , X3 = 0 = bentuk primal Berdasarkan tabel simpleks oprimum primal, solusi optimum dual dpt dihitung melalui rumus : Misal hubungan primal dual : Min c x 0 0 y Z = cX : Ax = b dan Max W = Yb : yA Dengan syarat Dengan syarat

Maka solusi optimum primal dan dual diperoleh melalui penerapan reviscol simplex method : Z = W = CB B-1 b Ket : CB B matriks A CB B = vektor simpleks multiplier Contoh : Primal : Max Dg syarat Z = 5 X1 + 12 X2 + 4 X3 X1 + 2 X2 + 2 X1 X1 , Dual : Min Dg syarat X2 , X3 5 X2 + 3 X 3 = 2 X3 0 = vektor profit / biaya var basis optimum primal = matriks var basis optimum primal : [ P j ] dimana Pj = kolom ke-j

W = 5 Y1 + 2 Y2 Y1 + 2 Y2 5 2 Y1 Y2 12 4

Y1 + 3 Y2

Y1 0 , Y2 tak terbatas Melalui simpleks diperoleh X1 = 9/5 , X2 = 8/5 , Z = 28 1/5 karena X1 dan X2 var basis optimum primal, maka : Matriks basis optimumnya : B = [ P1 P2 ] = 2 -1
1 2

Optimum simpleks multipliernya adalah : CB B-1 = [ 5 12 ] = 2/5 -1/ 5 5 5 Terlihat bahwa Y1 =


29
1

/5 , Y2 = -2/5 memenuhi kendala dual dan nilai fungsi tujuan

W = 5 (29/5) + 2 (-2/5) = 28 1/5 Suatu solusi optimum primal (dual) jg merupakan solusi optimum masalah dual (primal)

D. Penafsiran Solusi Dual Dari segi ekonomi, solusi optimum bentuk dual dapat ditafsirkan sebagai sumbangan kendala sumber daya (shadow price) Berdasarkan Main Duality Theorem : Z = cX = Yb = W Sehingga nilai optimum LP dapat ditulis : Z = Y1 b1 + Y2 b2 + ... + Y m bm Dimana b1, b2,, bm sumber daya 1,2,,m

Y1, Y2, ... , Ym nilai optimum var dual Misal b1 dpt diubah, kemudian untuk perubahan nilai b 1 yg sangat kecil (b1), perubahan neto nilai Z adalah Y1 (b1). Perubahan neto nilai optimum karena kenaikan sumber daya disebut shadow price sumber daya yg bersangkutan . dapat digunakan untuk menentukan apakah menguntungkan untuk mendapatkan tambahan sumber daya. E. Keuntungan Perhitungan bentuk Dual Jika suatu masalah sedemikian sehingga bentuk primal memiliki sejumlah besar kendala sementara variabel hanya sedikit, masalah tersebut dapat diselesaikan dengan lebih efisien dalam bentuk dual. ANALISA SENSITIVITAS Post optimaly analysis analisis perubahan parameter dan pengaruhnya terhadap solusi LP Analisis ini terjadi setelah diperoleh solusi optimum perubahan atau variasi dalam masalah LP yg biasanya dipelajari melalui post optimalt analysis dpt dipisahkan ke dalam 3 kelompok umum : a. Analisis yg berkaitan dg perubahan diskrit parameter untuk melihat berapa besar perubahan dapat ditolelir sebelum solusi optimum mulai kehilangan optimalitasnya dsbt Analisis Sensitivitas. Jika kecil parameter drastis solusi maka solusi sangat sensitif,

sebaliknya jika parameter tdk berpengaruh besar terhadap solusi maka solusi relatif insensitif terhadap nilai parameter tsb.

b. Analisis yg berkaitan dg perubahan struktural muncul bila ada penambahan atau penghilangan kendala dan atau variabel untuk menunjukkan operasi alternatif. c. Analisis yg berkaitan dg kontinu parameter untuk menentukan urutan solusi dasar menjadi optimum jika ditambah lebih jauh dsbt parameteric programming Melalui analisa sensitivitas dapat dievaluasi pengaruh perubahan-perubahan parameter dg sedikit tambahan perhitungan berdasarkan tabel simpleks optimum. Dalam analisis sensitivitas, perubahan-perubahan parameter dikelompokkan menjadi a. Perubahan koefisien fungsi tujuan (C j) b. Perubahan konstanta sisi kanan (Bi) c. Perubahan kendala d. Penambahan variabel baru e. Penambahan kendala baru Contoh Sebuah perusahaan merencanakan memproduksi 3 barang A, B, dan C. Keuntungan per unit barang-barang itu 2, 3, dan 1. diperlukan 2 sumber daya yaitu buruh dan bahan mentah. Max Z = 2 X1 + 3 X2 + X3
1 1

/3 X 1 +
4

/3 X2 +

/3 X3 1 kendala buruh

/3 X 1 X1 ,

/3 X2 + 7/3 X3 3 kendala bahan mentah X2 , X3 0

Dimana X1 , X2 , X3 adalah barang A, B, dan C yg dihasilkan Tabel simplex awal Basis Z S1 S2 X1 -2 1 /3 1 /3 X2 -3 1 /3 4 /3 X3 -1 1 /3 7 /3 S1 0 1 0 S2 0 0 1 Solusi 0 1 3 (I)

Melalui beberapa iterasi metode simpleks menghasilkan tabel optimum Basis Z X1 X2 X1 0 1 0 X2 0 0 1 X3 3 -1 2 S1 5 4 -1 S2 1 -1 1 Solusi 8 1 2 ( II )

tabel optimum : X1 = 1 ; X2 = 2 ; Z = 8 Dengan melakukan analisi sensitivitas dapat diperoleh informasi yg berhubungan dg rencana produksi alternatif disekitar solusi optimum. A. Perubahan Koefisien Fungsu Tujuan 1. Perubahan koefisien fungsi tujuan dari variabel non basis. Pada optimum barang C tidak diproduksi karena keuntungan per unitnya (C 3) rendah yaitu 1. Dapat dicari interval C 3 sehingga solusi optimum tidak berubah. Jika C3 turun tidak berpengaruh terhadap solusi optimum Jika bertambah mungkin dapat menguntungkan untuk diproduksi. Jika nilai C3 berubah, nilai koefisien persamaan Z dari variabel non basis X 3 (C3) pada tabel optimum turut berubah. Tabel II adalah optimum selama C3 non negatif. Pada tabel II CB = [ C1 , C2 ] = [ 2 , 3 ] dimana CB adalah vektor koef fungsi tujuan var basis. Berdasarkan inner product rule C j = CbVj Cj diperoleh

C3 = [ 2

, 3 ]2

-1

- C3 = 4 - C3

Opimum jika

C3 =

4 - C3 0 atau C3 4.

selama keuntungan per unit produk C kurang dari 4 adalah tidak ekonomis menghasilkan barang C. Misalkan keuntungan per unti barang C dinaikkan menjadi 6, maka C 3 = 4 -6 = -2. Tabel II menjadi tidak optimum.

Basis Z X1 X3

X1 0 1 0

X2 0 0 1

X3 -2 1 (2)

S1 5 4 -1

S2 1 -1 1

Solusi 8 1 2

( III )

Tabel optimumnya menjadi : ( IV ) Basis Z X1 X3 X1 0 1 0 X2 1 1 /2 1 /2 X3 0 0 1 S1 4 7 /2 -1/2 S2 2 -1/2 1 /2 Solusi 10 2 1

Z = 10 ; X1 = 2 ; X3 = 1 2. Perubahan Koefisien fungsi tujuan variabel basis Misalkan ingin ditentukan pengaruh perubahan keuntungan per unti barang A (C1). Untuk menentukan interval C1, perubahan C1 akan nengubah vektor keuntungan CB karena CB = [ C1 , C2 ] . Dapat dibuktikan bahwa koef pers Z variabel basis yaitu C1 dan C2 tidakterpengaruh dan tetap bernilai nol. Namun, koef persamaan Z variabel non basis akan berubah. Tetapi selama C j non negatif, Tabel II masih optimum. Dapat ditunjujjan nilai C 3, CS1, CS2 sebagai fungsi dari C1 : C3 = [C1 , 3 ] -1
2

- 1 = 4 - C1 - 0 = 4 C1 - 3 - 0 = 3 - C1 5

CS1 = [C1 , 3 ]

4 -1 1

CS2 = [C1 , 3 ]-1 C3 0 selama C1

CS1 0 selama C1

/4

CS2 0 selama C1 3 Tabel II akan tetap optimum jika interval C1 yg dipilih 3/4 sampai 3. Jika C1 berubah nilai optimum fungsi tujuan akan berubah. Misal C1 = 1, solusi optimum adalah X1 = 1 1( 0 ) = 7 , X2 = 2 , X3 = 0 tetapi Z = 1( 1 ) + 3( 2 ) +

3.

Perubahan Koef tujuan pada var basis dan non basis Misal fungsi tujuan dirubah menjadi Z = X 1 + 4 X2 + 2X3 . Pengaruhnya ditentukan dg memeriksan apakah koef persamaan Z pd tabel II tetap non negatif. Koef persamaan Z variabel basis nilainya tdk berubah C 1 = C2 = 0, sementara C3 = [ 1 , 4 ] CS1 = [ 1 , 4 ] negatif
-1 2

- 2 = 5 - 0 = 0

0 0 Cj non

4 -1

CS2 = [ 1 , 4 ] -1
1

- 0 = 3

Solusi optimum tdk berubah X1 = 1 , X2 = 2 , X3 = 0 dengan Z = 9 . Sekarang ditemui indikasi adanya solusi optimum alternatif karena CS1 = 0 B.
1 dari simplex awal 3

Perubahan Koefisien Sisi Kanan Misalkan ada penambahan 2 unit buruh sehingga vektor sisi kanan pada tabel
2 3

menjadi

Jelas perubahan ini tdk membawa pengaruh pd tabel optimum. Untuk mempelajari perubahan konstan sisi kanan, cukup membutuhkan apakah vektor konstanta yg baru pd tabel akhir masih non negatif. Setiap kolom pada akhir (termasuk vektor sisi kanan) dapat diperoleh dg mengalikan kolom yg bersangkutan pd tabel awal dg inverse kolom basis. Pada kasus ini kolom basis adalah kolom yg berhubungan dg X1 dan X2 (tabel I). Sehingga matriks basis :

/3 /3

1 4

/3 /3

Kolom yg berhubungan dg var basis awal pd setiap tabel simplex optimum memberikan inverse kolom basis. Karena inverse matrik basis sehingga :
B-1 = 4 -1 -1 1

S 1 dan S2 pada tabel II merupakan

Nilai konstan sisi kanan yg baru pd tabel II yg disebabkan karena pertambahan buruh adalah :
B* = 4 -1 -1 1 2 3 = 5 1 Vektor positif

Sehingga tabel II masih tetap optimum dan kombinasi barang optimal baru adalah X1 = 5 , X2 = 1 , X3 = 0 , Z = 13. Solusi dan nilai optimum berubah tetapi var basis tidak. masih optimum jika hanya menghasilkan barang A dan B. Misalkan tambahan 7 unit buruh dapat diperoleh dg kerja lembur yg biaya tambahannya 4. Apakah menguntungkan menggunakan kerja lembur ? Pada contoh ini tambahan keuntungan 13 8 = 5 ( > 4 ) berarti menguntungkan. Kenaikan keuntungan ini dinamakan shadow price. Shadow price mencerminkan perubahan neto nilai optimum karena pertambahan satu unit sumber daya, selama perubahan sumber daya tdk mengubah variabel basis optimum. Agar penggunaan shadow price berarti, harus dihitung interval pers. bahan sumber daya sehingga var basis optimum tetap sama. Contoh Hitung berapa jauh ketersediaan buruh dapat diubah ? Misal b1 tersedianya buruh dan b 0 vektor konstan sisi kanan yg baru pd tabel awal, sehingga : b0 = b1 3

Setelah terjadi perubahan sumber daya, pd tabel simplex optimum harus dipenuhi b* = B-1. b0 0 Karena B-1 =
4 -1

( non negatif )
-1 1

maka B-1. b0 = -1
=

-1 1

b1 3

4b1 - 3 -b1 + 3
3

B-1. b0 non negatif selama 4b1 -

3 0 atau b1

/4

-b1 + 3 0 atau b1 3 Untuk semua


3

/4 b1 3 solusi optimum adalah : 3

X1 = 4b1 X1 = 0 Z = 2 (4b1 -

X1 = -b1 + 3 3 ) + 3 (-b1 + 3) = 5b1 + 3

Misalkan buruh bertambah jadi 4 b0 = 4 3 4.4 - 3 -4 + 3


= 13 -1

b* =

Tidak optimum karena solusi basis X1 = 13 , X2 = -1 , X3 = S1 = S2 = 0 adalah tdk layak, dituliskan lagi dlm tabel : Bas is Z X1 X2 (V) X
1

X
2

X
3

S1 5 4 -1

S2 1 -1 1

Sisi kanan 13 -1

0 1 0

0 0 1

3 1 2

Meskipun tabel V tdk layak untuk masalah primal, ia layak untuk masalah dual karena semua koef persamaan Z non negatif. Solusi optimum baru dg metode dual simplex : Bas is Z X1 S2 X
1

X
2

X
3

S
1

S2 6 3 -1

Solusi 18 9 1

( VI )

0 1 0

5 4 1

1 3 7 -2

0 0 1

Tabel VI optimum karena konstan sisi kanan positif. Cara Alternatif : Misalkan ketersediaan tenaga kerja (b1) berubah , sedangkan yg lain tetap. Perubahan ini menyebabkan perubahan kolom solusi pada tabel simplex awal sebesar koefisien pd kolom yg berhubungan yaitu S1. Pengaruh itu akan ditiru pd itersi selanjutnya sampai simplex optimum. Karena itu untuk mengetahui pengaruh perubahan tenaga kerja, cukup diperiksa kolom slack yg berhubungan dg kendala yg diubah ketersediaannya nilai-nilai pd kolom solusi non negatif 1 + 4 0
3

2 - 1 0 dan 2

/4

Karena jumlah tenaga kerja adalah b1 = 1 + atau = b1 1, jika disubtitusi menjadi : b1 - 1 - 1/4 b1
3

2 b1 - 1 dan 3 b1

/4

/4 b 1 3

Dengan cara yg sama dpt dicari untuk bahan mentah (b2)

1 - 1 0 1 dan

2 + 1

-2

Karena jumlah bahan mentah adalah b2 = 3 + atau = b2 3 maka : 1 b2 - 3 4 b2 1 b2 4 Jadi nilai b2 yg memenuhi adalah 1 b2 4. Ini berarti selama jumlah bahan dan b2 - 3 - 2 b2 1

mentah berada di interval itu solusi optimum tdk berubah C. 1. baru 2. kegiatan yg ada 3. Penambahan kendala baru Perubahan kebutuhan sumber daya dari kegiatan Perubahan Matriks Kendala ( A ) Matriks kendala atau koefisien matriks A dapat berubah karena : Penambahan variabel - variabel atau kegiatan kegiatan

1. Penambahan kegiatan baru Misalkan ingin ditambahkan produk baru D yg membutuhkan 1 unit buruh dan 1 unit bahan matematik mentahdengan ekivalen dg keuntungan penambahan per
1 1

unit

3.

Apakah kolom

menguntungkan ? Secara pada tabel I.

variabel

X 4 dan

Kombinasi produk optimum tabel II masih optimum selama koef persamaan Z dr produk baru sebut saja C 4 adalah non negatif. Dari revised simplex method diperoleh Cj = Ingat bahwa
CB CB

B-1 Pj - CJ.
4 -1 -1 1 = 5 1

B-1 = [ 2 , 3 ]
1

Dalam kasus ini, C4 = 3 dan 1 P4 = 3 = 3 (non negatif)

, sehingga 1 C 4 =[ 5 , 1 ]

Memproduksi brang D tdk akan menambah keuntungan. Jika kegiatan baru dapat memperbaiki keuntungan bila Cj nya negatif kemudian selesaikan dg metode simpleks. 2. Perubahan Keperlaun Sumber daya Jika buruh atau kebutuhan bahan mentah dari kegiatan non basis ( misal barang C ) berubah, pengaruh pd solusi optimum dapat dipelajari dengan mengikuti langkah langkah yg sama seperti kasus sebelumnya. Dipihak lain, jika koefisien kendala dari kegiatan basis ( misal barang A atau B ) berubah maka matriks basis dengan sendirinya terpengaruh yg dapat mempengaruhi semua angka angka tabel II. Kemudian tabel II kemungkinan menjadi tidak layak untuk masalah primal maupun dual. Dalam keadaan seperti ini, mungkin lebih baik diselesaikan kembali dengan metode simpleks. 3. Penambahan Kendala Baru Misalkan terdapat tambahan kendala jasa administrasi terhadap masalah dimana barang A, B, dan C masing masing membutuhkan 1, 2 dan 1 jam jasa administrasi sementara tersedia 10 jam administrasi. Ini akan menambah kendala baru : X1 + 2 X2 + X3 10 Untuk mempelajari pengaruhnya terhadap solusi optimum cukup membuktikan apakah kombinasi barang optimum yg ada memnuhi kendala baru. Jika memenuhi kombinasi barang optimum tidak perlu diubah. Misalkan jam administrasi yg tersedia hanya 4 maka kendala baru menjadi X 1 + 2 X2 + X3 4 solusi optimum yg ada ( X 1 = 1 , X2 = 2 , X3 = 0 )

menyimpang dari kendala ini. Sehingga tabel II tidak lagi optimum. Untuk mencari solusi optimum yg baru, tambahkan kendala baru seperti pada baris ketiga tabel berikut ini. Dengan menggunakan S 3 sebagai variabel slack pada kendala baru Bas is Z X1 X2 S3 X
1

X
2

X
3

S1 5 4 -1 0

S2 1 -1 1 0

S3 0 0 0 1

Sisi kanan

0 1 0 1

0 0 1 2

3 -1 2 1

1 2 4

( VII )

Karena X1 dan X2 merupakan variabel non basis, maka koefisien baris ketiga yg berhubungan dengan X1 dan X2 harus sama dengan nol. Ini dapat dicapai dengan perkalian baris pertama dengan -1 baris, kedua dengan -2 dan tambahkan mereka pada baris ketiga. Tabel VIII menunjukkan tabel baru setelah operasi baris. Ingat bahwa koefisien persamaan Z tidak terpengaruh oleh proses ini, karena variabel basis yg baru S3 merupakan variabel slack. Bas is Z X1 X2 S3 (VIII) X
1

X
2

X
3

S1 5 4 -1 -2 1)

S2 1 -1 1 ( -

S3 0 0 0 1

Sisi kanan

0 1 0 1

0 0 1 2

3 -1 2 -2

1 2 -1

Karena tabel VIII optimum tetapi tdk layak (dual feasible) maka metode dual simplex diaplikasikan untuk mencari solusi optimum baru. Variabel basis S 3 meninggalkan basis kasrena rasio absolut terkecil adalah pada S 2 [ min ( -3/2 , 5

/2 , -1/1 ) ] maka variabel digantikan S3 oleh S2. Iterasi berikutnya : Bas is Z X1 X2 S3 X


1

X
2

X
3

S1 3 6 -3 2

S2 0 0 0 1

S3 1 -1 1 -1

Solusi 7 2 1 1

0 1 0 1

0 0 1 2

1 1 0 2

(IX)

Tabel IX adalah optimum sekaligus layakdan kombinasi barang optimum yg baru adalah menghasilkan 2 unit barang A dan 1 unit barang B. Keuntungan maksimum telah berkurang dari 8 menjadi 7 karena penambahan kendala baru. Jika kendala baru ditambahkan terhadap suatu masalah LP, nilai optimum yg lama akan selalu lebih baik atau sama dibanding nilai optimum baru. Sehingga penambahan suatu kendala baru tidak dapat memperbaiki nilai optimum setiap masala LP.

Contoh kasus Linear Programming metode simplex Seorang pedagang menjual buah mangga, pisang, dan jeruk dengan menggunakan gerobak. Pedagang tersebut membeli mangga dengan harga Rp8.000/kg, pisang Rp6.000/kg dan jeruk Rp10.000/kg. Modal yang tersedia Rp1.200.000 dan gerobaknya hanya dapat memuat mangga, pisang, dan jeruk sebanyak 180kg. Jika harga jual mangga Rp9.200/kg, pisang Rp7.000/kg, dan jeruk Rp.1.1500/kg, maka berapa laba maksimum yang diperoleh? Penyelesaian Formulasi Linier Programming : Variabel : A=Mangga, B=Pisang, C=Jeruk

Fungsi Tujuan : Laba penjualan buah mangga = Rp9.200-Rp8.000 = Rp1.200 Laba penjualan buah pisang = Rp7.000-Rp6.000 = Rp1.000 Laba penjualan buah jeruk = Rp11.500-Rp10.000 = Rp1.500 Zmax= 1200A +1000B +1500C

Fungsi Batasan : 8000A + 6000B + 10000C 1200000 A + B + C 180

-Penyelesaian dengan Pom For Windows1. Buka POM for Windows, pilih menu Module Linear programming Selanjutnya pilih menu FileNew Kasus ini fungsi batasannya ada 2 dan variabelnya ada 3.

2. Isi sesuai dengan fungsi batasan, fungsi tujuan, dan kapasitas maksimum batasan .

3. Kemudian di Solve, pilih WindowIterations

Pada tabel Iterasi tampak bahwa iterasi terjadi 3 kali guna mendapatkan hasil yang sesuai. Pada Iterasi ke 3 atau terakhir diketahui bahwa untuk mencapai laba optimum(maksimal) maka pedagang buah harus menjual : Buah Mangga (A) Buah Pisang (B) Jeruk (C) = 0 (tidak perlu menjual buah mangga) = 150 kg = 30 kg

Dengan total labanya sebesar Rp 195.000